论文提出DPT：用路径多样性改进并行思维

论文用惩罚路径前缀相似度来缓解并行思维的路径同质化。

资讯摘要

论文指出，基于强化学习的并行思维存在推理路径模式坍缩问题，多条轨迹趋于相似，削弱了并行探索的意义。作者提出 Diverse Parallel Thinking（DPT），通过惩罚并行路径的前缀相似度来奖励模型形成不同推理策略。作者报告在多个推理基准上，DPT 优于此前并行思维方法并达到基线中的最优表现，代码已公开。

要点速读

1. 论文识别出 RL 并行思维中的路径模式坍缩：并行轨迹退化为相似路径
2. DPT 通过惩罚并行思维路径的前缀相似度，鼓励模型发展不同推理策略
3. 作者报告在多个推理基准上 DPT 优于先前并行思维方法，并称路径多样性是改进并行思维的关键要素

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。